跨境Ai视界 一、描述统计分析
**import**`` pandas ``**as**`` pd ``**import**`` numpy ``**as**`` np ``**import**`` matplotlib.pyplot ``**as**`` plt
dataSer``**=**``pd``**.**``Series([15.6,16.2,22.5,20.5,16.4, 19.4,16.6,17.9,12.7,13.9])
sample_mean``**=**``dataSer``**.**``mean() sample_std``**=**``dataSer``**.**``std() ``**print**``('样本平均值',sample_mean,'单位：ppm') ``**print**``('样本标准差',sample_std,'单位：ppm')
样本平均值 17.169999999999998 单位：ppm 样本标准差 2.9814426038413018 单位：ppm
**import**`` seaborn ``**as**`` sns sns``**.**``distplot(dataSer)
*#1 手动计算标准误差 =样本标准差/(n的开方)*``n``**=**``10 se``**=**``sample_std``**/**``(np``**.**``sqrt(n)) ``*# 2计算t值*``pop_mean``**=**``20 t``**=**``(sample_mean``**-**``pop_mean)``**/**``se ``**print**``('标准误差',se) ``**print**``('t=',t) ``*#查表t对应的的概率p=0.0149*
标准误差 0.9428149341201592 t= -3.001649525885985
*#2 自动计算*``**from**`` scipy ``**import**`` stats t,p``**=**``stats``**.**``ttest_1samp(dataSer,pop_mean) ``**print**``('t=',t) ``**print**``('双尾检验的p=',p)
t= -3.001649525885985 双尾检验的p= 0.014916414248897527
*#单尾检验的值*``p_oneTail``**=**``p``**/**``2 ``**print**``('单尾检验p=',p_oneTail)
单尾检验p= 0.0074582071244487635
*#显著水平=5%*``alpha``**=**``0.05
结论
**if**``(t``**<**``0 ``**and**`` p_oneTail``**<**``alpha): ``**print**``('拒绝零假设') ``**else**``: ``**print**``('接受零假设')
拒绝零假设
置信区间
t_ci``**=**``2.262 ``*#使用scipy计算标准误差*``se``**=**``stats``**.**``sem(dataSer) ``*#置信区间上限*``a``**=**``sample_mean ``**-**`` t_ci ``*****`` se ``*#置信区间下限*``b``**=**``sample_mean ``**+**`` t_ci ``*****`` se ``**print**``('单个平均值的置信区间，95置信水平 CI=(%f,%f)' ``**%**`` (a,b))
单个平均值的置信区间，95置信水平 CI=(15.037353,19.302647)
效应量
`#效应量：差异指标Cohen’s dd=(sample_mean -pop_mean)/“ sample_std
*#效应量：相关度指标R2*#样本大小n=10 #自由度df=n-1 R2=(t*t)/(t*t+“df)
**print**(‘d=‘,d)
**print**(‘R2=‘,R2)`
d= -0.9492049239364257 R2= 0.5002748453994631